神经网络是一种模仿生物神经网络结构和功能的计算模型，用于对函数进行估计或近似，它能在外界信息的基础上改变内部结构，是一种自适应系统，即具备学习功能。当前，神经网络用于机器视觉、语音识别等很难被传统基于规则的编程所解决的问题。

本课程首先介绍了前馈神经网络相关的知识点，包括人工神经元的概念，常用激活函数、单个神经元的能力和存在的问题、多层神经网络的思路和容量、神经网络背后的生物学启发等；然后讲解了如何训练神经网络，包括定义损失函数、激活函数求导、反向传播、正则化、初始化、模型选择、优化等步骤；接着是条件随机场的相关内容，包括它的使用动机、线性链条件随机场、马可夫网络、因子图、置信传播等；最后展示了如何训练一个条件随机场。

【课程目标】

了解前馈神经网络及神经网络背后的生物学启发

掌握神经网络的训练流程

了解条件随机场的相关概念以及如何训练条件随机场

【适用对象】

AI开发者、学生

【课程大纲】